સ્વાદુપિંડનું કેન્સર એ વિશ્વના સૌથી ઘાતક ગાંઠોમાંનું એક છે જેનું પૂર્વસૂચન નબળું છે. તેથી, સ્વાદુપિંડના કેન્સરના ઉચ્ચ જોખમ ધરાવતા દર્દીઓને ઓળખવા માટે એક સચોટ આગાહી મોડેલની જરૂર છે જેથી સારવારને અનુરૂપ બનાવી શકાય અને આ દર્દીઓના પૂર્વસૂચનમાં સુધારો કરી શકાય.
અમે UCSC Xena ડેટાબેઝમાંથી કેન્સર જીનોમ એટલાસ (TCGA) સ્વાદુપિંડના એડેનોકાર્સિનોમા (PAAD) RNAseq ડેટા મેળવ્યો, સહસંબંધ વિશ્લેષણ દ્વારા રોગપ્રતિકારક-સંબંધિત lncRNAs (irlncRNAs) ઓળખ્યા, અને TCGA અને સામાન્ય સ્વાદુપિંડના એડેનોકાર્સિનોમા પેશીઓ વચ્ચેના તફાવતો ઓળખ્યા. TCGA અને સ્વાદુપિંડના પેશીઓના જીનોટાઇપ ટીશ્યુ અભિવ્યક્તિ (GTEx) માંથી DEirlncRNA. પ્રોગ્નોસ્ટિક સિગ્નેચર મોડેલ બનાવવા માટે વધુ યુનિવેરિયેટ અને લાસો રીગ્રેશન વિશ્લેષણ કરવામાં આવ્યા. ત્યારબાદ અમે વળાંક હેઠળના ક્ષેત્રની ગણતરી કરી અને ઉચ્ચ અને ઓછા જોખમવાળા સ્વાદુપિંડના એડેનોકાર્સિનોમા ધરાવતા દર્દીઓને ઓળખવા માટે શ્રેષ્ઠ કટઓફ મૂલ્ય નક્કી કર્યું. ઉચ્ચ અને ઓછા જોખમવાળા સ્વાદુપિંડના કેન્સર ધરાવતા દર્દીઓમાં ક્લિનિકલ લાક્ષણિકતાઓ, રોગપ્રતિકારક કોષ ઘૂસણખોરી, રોગપ્રતિકારક સૂક્ષ્મ પર્યાવરણ અને કીમોથેરાપી પ્રતિકારની તુલના કરવા માટે.
અમે 20 DEirlncRNA જોડીઓ ઓળખી કાઢ્યા અને શ્રેષ્ઠ કટઓફ મૂલ્ય અનુસાર દર્દીઓનું જૂથ બનાવ્યું. અમે દર્શાવ્યું કે અમારા પ્રોગ્નોસ્ટિક સિગ્નેચર મોડેલમાં PAAD ધરાવતા દર્દીઓના પૂર્વસૂચનની આગાહી કરવામાં નોંધપાત્ર કામગીરી છે. ROC વળાંકનું AUC 1-વર્ષની આગાહી માટે 0.905, 2-વર્ષની આગાહી માટે 0.942 અને 3-વર્ષની આગાહી માટે 0.966 છે. ઉચ્ચ જોખમ ધરાવતા દર્દીઓમાં જીવિત રહેવાનો દર ઓછો અને ક્લિનિકલ લાક્ષણિકતાઓ વધુ ખરાબ હતી. અમે એ પણ દર્શાવ્યું કે ઉચ્ચ જોખમ ધરાવતા દર્દીઓ રોગપ્રતિકારક શક્તિ દબાવી દે છે અને ઇમ્યુનોથેરાપી સામે પ્રતિકાર વિકસાવી શકે છે. કોમ્પ્યુટેશનલ આગાહી સાધનોના આધારે પેક્લિટેક્સેલ, સોરાફેનિબ અને એર્લોટિનિબ જેવી કેન્સર વિરોધી દવાઓનું મૂલ્યાંકન PAAD ધરાવતા ઉચ્ચ જોખમ ધરાવતા દર્દીઓ માટે યોગ્ય હોઈ શકે છે.
એકંદરે, અમારા અભ્યાસે જોડીવાળા irlncRNA પર આધારિત એક નવું પૂર્વસૂચન જોખમ મોડેલ સ્થાપિત કર્યું, જેણે સ્વાદુપિંડના કેન્સરવાળા દર્દીઓમાં આશાસ્પદ પૂર્વસૂચન મૂલ્ય દર્શાવ્યું. અમારું પૂર્વસૂચન જોખમ મોડેલ PAAD ધરાવતા દર્દીઓને અલગ પાડવામાં મદદ કરી શકે છે જે તબીબી સારવાર માટે યોગ્ય છે.
સ્વાદુપિંડનું કેન્સર એક જીવલેણ ગાંઠ છે જેનો પાંચ વર્ષનો જીવિત રહેવાનો દર ઓછો અને ઉચ્ચ ગ્રેડ છે. નિદાન સમયે, મોટાભાગના દર્દીઓ પહેલાથી જ અદ્યતન તબક્કામાં હોય છે. COVID-19 રોગચાળાના સંદર્ભમાં, સ્વાદુપિંડના કેન્સરના દર્દીઓની સારવાર કરતી વખતે ડોકટરો અને નર્સો ભારે દબાણ હેઠળ હોય છે, અને દર્દીઓના પરિવારો પણ સારવારના નિર્ણયો લેતી વખતે અનેક દબાણનો સામનો કરે છે [1, 2]. નિયોએડજુવન્ટ થેરાપી, સર્જિકલ રિસેક્શન, રેડિયેશન થેરાપી, કીમોથેરાપી, લક્ષિત મોલેક્યુલર થેરાપી અને રોગપ્રતિકારક ચેકપોઇન્ટ ઇન્હિબિટર્સ (ICIs) જેવા DOAD ની સારવારમાં મોટી પ્રગતિ થઈ હોવા છતાં, નિદાન પછી પાંચ વર્ષ સુધી માત્ર 9% દર્દીઓ જ જીવિત રહે છે [3]. ], 4]. સ્વાદુપિંડના એડેનોકાર્સિનોમાના પ્રારંભિક લક્ષણો અસામાન્ય હોવાથી, દર્દીઓને સામાન્ય રીતે અદ્યતન તબક્કામાં મેટાસ્ટેસિસનું નિદાન થાય છે [5]. તેથી, આપેલ દર્દી માટે, વ્યક્તિગત વ્યાપક સારવારમાં તમામ સારવાર વિકલ્પોના ફાયદા અને ગેરફાયદાનું વજન કરવું જોઈએ, ફક્ત અસ્તિત્વને લંબાવવા માટે જ નહીં, પરંતુ જીવનની ગુણવત્તા સુધારવા માટે પણ [6]. તેથી, દર્દીના પૂર્વસૂચનનું ચોક્કસ મૂલ્યાંકન કરવા માટે એક અસરકારક આગાહી મોડેલ જરૂરી છે [7]. આમ, PAAD ધરાવતા દર્દીઓના અસ્તિત્વ અને જીવનની ગુણવત્તાને સંતુલિત કરવા માટે યોગ્ય સારવાર પસંદ કરી શકાય છે.
PAAD નું નબળું પૂર્વસૂચન મુખ્યત્વે કીમોથેરાપી દવાઓના પ્રતિકારને કારણે છે. તાજેતરના વર્ષોમાં, ઘન ગાંઠોની સારવારમાં રોગપ્રતિકારક ચેકપોઇન્ટ અવરોધકોનો વ્યાપકપણે ઉપયોગ કરવામાં આવ્યો છે [8]. જોકે, સ્વાદુપિંડના કેન્સરમાં ICIs નો ઉપયોગ ભાગ્યે જ સફળ થાય છે [9]. તેથી, ICI ઉપચારથી લાભ મેળવી શકે તેવા દર્દીઓને ઓળખવા મહત્વપૂર્ણ છે.
લોંગ નોન-કોડિંગ RNA (lncRNA) એ એક પ્રકારનો નોન-કોડિંગ RNA છે જેમાં ટ્રાન્સક્રિપ્ટ્સ >200 ન્યુક્લિયોટાઇડ્સ હોય છે. LncRNA વ્યાપક છે અને માનવ ટ્રાન્સક્રિપ્ટોમનો લગભગ 80% ભાગ બનાવે છે [10]. મોટા પાયે કાર્ય દર્શાવે છે કે lncRNA-આધારિત પ્રોગ્નોસ્ટિક મોડેલો દર્દીના પૂર્વસૂચનની અસરકારક રીતે આગાહી કરી શકે છે [11, 12]. ઉદાહરણ તરીકે, સ્તન કેન્સરમાં પૂર્વસૂચન સહીઓ ઉત્પન્ન કરવા માટે 18 ઓટોફેજી-સંબંધિત lncRNA ઓળખવામાં આવ્યા હતા [13]. ગ્લિઓમાના પૂર્વસૂચન લક્ષણો સ્થાપિત કરવા માટે છ અન્ય રોગપ્રતિકારક-સંબંધિત lncRNA નો ઉપયોગ કરવામાં આવ્યો છે [14].
સ્વાદુપિંડના કેન્સરમાં, કેટલાક અભ્યાસોએ દર્દીના પૂર્વસૂચનની આગાહી કરવા માટે lncRNA-આધારિત સહીઓ સ્થાપિત કરી છે. સ્વાદુપિંડના એડેનોકાર્સિનોમામાં 3-lncRNA સહી સ્થાપિત કરવામાં આવી હતી જેનો ROC કર્વ (AUC) હેઠળનો વિસ્તાર ફક્ત 0.742 હતો અને એકંદરે 3 વર્ષનો સર્વાઇવલ (OS) હતો [15]. વધુમાં, lncRNA અભિવ્યક્તિ મૂલ્યો વિવિધ જીનોમ, વિવિધ ડેટા ફોર્મેટ અને વિવિધ દર્દીઓમાં બદલાય છે, અને આગાહી મોડેલનું પ્રદર્શન અસ્થિર છે. તેથી, અમે વધુ સચોટ અને સ્થિર આગાહી મોડેલ બનાવવા માટે રોગપ્રતિકારક શક્તિ-સંબંધિત lncRNA (irlncRNA) સહીઓ ઉત્પન્ન કરવા માટે એક નવલકથા મોડેલિંગ અલ્ગોરિધમ, જોડી અને પુનરાવર્તનનો ઉપયોગ કરીએ છીએ [8].
નોર્મલાઇઝ્ડ RNAseq ડેટા (FPKM) અને ક્લિનિકલ પેન્ક્રિયાટિક કેન્સર TCGA અને જીનોટાઇપ ટીશ્યુ એક્સપ્રેશન (GTEx) ડેટા UCSC XENA ડેટાબેઝ (https://xenabrowser.net/datapages/) માંથી મેળવવામાં આવ્યો હતો. GTF ફાઇલો એન્સેમ્બલ ડેટાબેઝ (http://asia.ensembl.org) માંથી મેળવવામાં આવી હતી અને RNAseq માંથી lncRNA એક્સપ્રેશન પ્રોફાઇલ્સ કાઢવા માટે ઉપયોગમાં લેવાઈ હતી. અમે ImmPort ડેટાબેઝ (http://www.immport.org) માંથી રોગપ્રતિકારક શક્તિ-સંબંધિત જનીનો ડાઉનલોડ કર્યા અને સહસંબંધ વિશ્લેષણ (p < 0.001, r > 0.4) નો ઉપયોગ કરીને રોગપ્રતિકારક શક્તિ-સંબંધિત lncRNAs (irlncRNAs) ઓળખ્યા. TCGA-PAAD કોહોર્ટ (|logFC| > 1 અને FDR) <0.05) માં GEPIA2 ડેટાબેઝ (http://gepia2.cancer-pku.cn/#index) માંથી મેળવેલા irlncRNAs અને ડિફરન્શિયલી એક્સપ્રેસ્ડ lncRNAs ને ક્રોસ કરીને ડિફરન્શિયલી એક્સપ્રેસ્ડ irlncRNAs (DEirlncRNAs) ની ઓળખ.
આ પદ્ધતિનો અગાઉ અહેવાલ આપવામાં આવ્યો છે [8]. ખાસ કરીને, આપણે જોડીવાળા lncRNA A અને lncRNA B ને બદલવા માટે X બનાવીએ છીએ. જ્યારે lncRNA A નું અભિવ્યક્તિ મૂલ્ય lncRNA B ના અભિવ્યક્તિ મૂલ્ય કરતા વધારે હોય છે, ત્યારે X ને 1 તરીકે વ્યાખ્યાયિત કરવામાં આવે છે, અન્યથા X ને 0 તરીકે વ્યાખ્યાયિત કરવામાં આવે છે. તેથી, આપણે 0 અથવા – 1 નું મેટ્રિક્સ મેળવી શકીએ છીએ. મેટ્રિક્સનો ઊભી અક્ષ દરેક નમૂનાનું પ્રતિનિધિત્વ કરે છે, અને આડી અક્ષ 0 અથવા 1 ના મૂલ્ય સાથે દરેક DEirlncRNA જોડીનું પ્રતિનિધિત્વ કરે છે.
પ્રોગ્નોસ્ટિક DEirlncRNA જોડીઓને સ્ક્રીન કરવા માટે યુનિવેરિયેટ રીગ્રેશન વિશ્લેષણ અને ત્યારબાદ લાસો રીગ્રેશનનો ઉપયોગ કરવામાં આવ્યો હતો. લેસો રીગ્રેશન વિશ્લેષણમાં 10-ગણો ક્રોસ-વેલિડેશન 1000 વખત પુનરાવર્તિત (p < 0.05) કરવામાં આવ્યો હતો, જેમાં પ્રતિ રન 1000 રેન્ડમ ઉત્તેજના હતી. જ્યારે દરેક DEirlncRNA જોડીની આવર્તન 1000 ચક્રમાં 100 વખત કરતાં વધી ગઈ, ત્યારે DEirlncRNA જોડીઓને પ્રોગ્નોસ્ટિક જોખમ મોડેલ બનાવવા માટે પસંદ કરવામાં આવ્યા હતા. ત્યારબાદ અમે PAAD દર્દીઓને ઉચ્ચ અને ઓછા જોખમ જૂથોમાં વર્ગીકૃત કરવા માટે શ્રેષ્ઠ કટઓફ મૂલ્ય શોધવા માટે AUC વળાંકનો ઉપયોગ કર્યો. દરેક મોડેલનું AUC મૂલ્ય પણ ગણતરીમાં લેવામાં આવ્યું હતું અને વળાંક તરીકે પ્લોટ કરવામાં આવ્યું હતું. જો વળાંક મહત્તમ AUC મૂલ્ય દર્શાવતા ઉચ્ચતમ બિંદુ સુધી પહોંચે છે, તો ગણતરી પ્રક્રિયા અટકી જાય છે અને મોડેલને શ્રેષ્ઠ ઉમેદવાર માનવામાં આવે છે. 1-, 3- અને 5-વર્ષના ROC વળાંક મોડેલો બનાવવામાં આવ્યા હતા. પ્રોગ્નોસ્ટિક જોખમ મોડેલના સ્વતંત્ર આગાહી પ્રદર્શનની તપાસ કરવા માટે યુનિવેરિયેટ અને મલ્ટિવેરિયેટ રીગ્રેશન વિશ્લેષણનો ઉપયોગ કરવામાં આવ્યો હતો.
XCELL, TIMER, QUANTISEQ, MCPCOUNTER, EPIC, CIBERSORT-ABS અને CIBERSORT સહિત રોગપ્રતિકારક કોષ ઘૂસણખોરી દરનો અભ્યાસ કરવા માટે સાત સાધનોનો ઉપયોગ કરો. રોગપ્રતિકારક કોષ ઘૂસણખોરી ડેટા TIMER2 ડેટાબેઝ (http://timer.comp-genomics.org/#tab-5817-3) માંથી ડાઉનલોડ કરવામાં આવ્યો હતો. વિલ્કોક્સન સાઇન-રેન્ક ટેસ્ટનો ઉપયોગ કરીને બનાવેલા મોડેલના ઉચ્ચ અને ઓછા જોખમ જૂથો વચ્ચે રોગપ્રતિકારક-ઘૂસણખોરી કોષોની સામગ્રીમાં તફાવતનું વિશ્લેષણ કરવામાં આવ્યું હતું, પરિણામો ચોરસ ગ્રાફમાં દર્શાવવામાં આવ્યા છે. જોખમ સ્કોર મૂલ્યો અને રોગપ્રતિકારક-ઘૂસણખોરી કોષો વચ્ચેના સંબંધનું વિશ્લેષણ કરવા માટે સ્પીયરમેન સહસંબંધ વિશ્લેષણ કરવામાં આવ્યું હતું. પરિણામી સહસંબંધ ગુણાંક લોલીપોપ તરીકે દર્શાવવામાં આવ્યો છે. મહત્વ થ્રેશોલ્ડ p < 0.05 પર સેટ કરવામાં આવ્યો હતો. પ્રક્રિયા R પેકેજ ggplot2 નો ઉપયોગ કરીને કરવામાં આવી હતી. રોગપ્રતિકારક કોષ ઘૂસણખોરી દર સાથે સંકળાયેલ મોડેલ અને જનીન અભિવ્યક્તિ સ્તર વચ્ચેના સંબંધની તપાસ કરવા માટે, અમે ggstatsplot પેકેજ અને વાયોલિન પ્લોટ વિઝ્યુલાઇઝેશન કર્યું.
સ્વાદુપિંડના કેન્સર માટે ક્લિનિકલ સારવાર પેટર્નનું મૂલ્યાંકન કરવા માટે, અમે TCGA-PAAD સમૂહમાં સામાન્ય રીતે ઉપયોગમાં લેવાતી કીમોથેરાપી દવાઓના IC50 ની ગણતરી કરી. વિલ્કોક્સન સાઇન-રેન્ક ટેસ્ટનો ઉપયોગ કરીને ઉચ્ચ અને ઓછા જોખમવાળા જૂથો વચ્ચે અડધા અવરોધક સાંદ્રતા (IC50) માં તફાવતોની તુલના કરવામાં આવી હતી, અને પરિણામો R માં pRPhetic અને ggplot2 નો ઉપયોગ કરીને જનરેટ થયેલા બોક્સપ્લોટ્સ તરીકે દર્શાવવામાં આવ્યા છે. બધી પદ્ધતિઓ સંબંધિત માર્ગદર્શિકા અને ધોરણોનું પાલન કરે છે.
અમારા અભ્યાસનો કાર્યપ્રવાહ આકૃતિ 1 માં દર્શાવવામાં આવ્યો છે. lncRNAs અને રોગપ્રતિકારક શક્તિ સંબંધિત જનીનો વચ્ચેના સહસંબંધ વિશ્લેષણનો ઉપયોગ કરીને, અમે p < 0.01 અને r > 0.4 ધરાવતા 724 irlncRNAs પસંદ કર્યા. અમે આગળ GEPIA2 (આકૃતિ 2A) ના વિભેદક રીતે વ્યક્ત કરાયેલા lncRNAsનું વિશ્લેષણ કર્યું. સ્વાદુપિંડના એડેનોકાર્સિનોમા અને સામાન્ય સ્વાદુપિંડના પેશીઓ (|logFC| > 1, FDR < 0.05) વચ્ચે કુલ 223 irlncRNAs અલગ રીતે વ્યક્ત કરવામાં આવ્યા હતા, જેને DEirlncRNAs નામ આપવામાં આવ્યું હતું.
આગાહીયુક્ત જોખમ મોડેલોનું નિર્માણ. (A) વિભેદક રીતે વ્યક્ત કરાયેલ lncRNAsનો જ્વાળામુખી પ્લોટ. (B) 20 DEirlncRNA જોડીઓ માટે લાસો ગુણાંકનું વિતરણ. (C) LASSO ગુણાંક વિતરણનો આંશિક સંભાવના ભિન્નતા. (D) 20 DEirlncRNA જોડીઓનું એકવિધ રીગ્રેશન વિશ્લેષણ દર્શાવતો વન પ્લોટ.
અમે આગળ 223 DEirlncRNAs જોડીને 0 અથવા 1 મેટ્રિક્સ બનાવ્યું. કુલ 13,687 DEirlncRNA જોડીઓ ઓળખવામાં આવી. યુનિવેરિયેટ અને લાસો રીગ્રેશન વિશ્લેષણ પછી, 20 DEirlncRNA જોડીઓનું આખરે પ્રોગ્નોસ્ટિક રિસ્ક મોડેલ બનાવવા માટે પરીક્ષણ કરવામાં આવ્યું (આકૃતિ 2B-D). લાસો અને બહુવિધ રીગ્રેશન વિશ્લેષણના પરિણામોના આધારે, અમે TCGA-PAAD કોહોર્ટ (કોષ્ટક 1) માં દરેક દર્દી માટે જોખમ સ્કોરની ગણતરી કરી. લાસો રીગ્રેશન વિશ્લેષણના પરિણામોના આધારે, અમે TCGA-PAAD કોહોર્ટમાં દરેક દર્દી માટે જોખમ સ્કોરની ગણતરી કરી. ROC વળાંકનો AUC 1-વર્ષના જોખમ મોડેલ આગાહી માટે 0.905, 2-વર્ષના આગાહી માટે 0.942 અને 3-વર્ષના આગાહી માટે 0.966 હતો (આકૃતિ 3A-B). અમે 3.105 નું શ્રેષ્ઠ કટઓફ મૂલ્ય સેટ કર્યું, TCGA-PAAD સમૂહના દર્દીઓને ઉચ્ચ અને ઓછા જોખમવાળા જૂથોમાં વિભાજીત કર્યા, અને દરેક દર્દી માટે અસ્તિત્વના પરિણામો અને જોખમ સ્કોર વિતરણનું આયોજન કર્યું (આકૃતિ 3C-E). કેપલાન-મીયર વિશ્લેષણ દર્શાવે છે કે ઉચ્ચ જોખમવાળા જૂથમાં PAAD દર્દીઓનું અસ્તિત્વ ઓછા જોખમવાળા જૂથના દર્દીઓ કરતા નોંધપાત્ર રીતે ઓછું હતું (p < 0.001) (આકૃતિ 3F).
પૂર્વસૂચક જોખમ મોડેલોની માન્યતા. (A) પૂર્વસૂચક જોખમ મોડેલનો ROC. (B) 1-, 2-, અને 3-વર્ષના ROC પૂર્વસૂચક જોખમ મોડેલ. (C) પૂર્વસૂચક જોખમ મોડેલનો ROC. શ્રેષ્ઠ કટ-ઓફ બિંદુ દર્શાવે છે. (DE) સર્વાઇવલ સ્ટેટસનું વિતરણ (D) અને જોખમ સ્કોર્સ (E). (F) ઉચ્ચ અને ઓછા જોખમવાળા જૂથોમાં PAAD દર્દીઓનું કપલાન-મીયર વિશ્લેષણ.
અમે ક્લિનિકલ લાક્ષણિકતાઓ દ્વારા જોખમ સ્કોર્સમાં તફાવતોનું વધુ મૂલ્યાંકન કર્યું. સ્ટ્રીપ પ્લોટ (આકૃતિ 4A) ક્લિનિકલ લાક્ષણિકતાઓ અને જોખમ સ્કોર વચ્ચેનો એકંદર સંબંધ દર્શાવે છે. ખાસ કરીને, વૃદ્ધ દર્દીઓમાં વધુ જોખમ સ્કોર હતા (આકૃતિ 4B). વધુમાં, સ્ટેજ II ધરાવતા દર્દીઓમાં સ્ટેજ I ધરાવતા દર્દીઓ કરતાં વધુ જોખમ સ્કોર હતા (આકૃતિ 4C). PAAD દર્દીઓમાં ટ્યુમર ગ્રેડ અંગે, ગ્રેડ 3 ના દર્દીઓમાં ગ્રેડ 1 અને 2 ના દર્દીઓ કરતાં વધુ જોખમ સ્કોર હતા (આકૃતિ 4D). અમે વધુમાં યુનિવેરિયેટ અને મલ્ટિવેરિયેટ રીગ્રેશન વિશ્લેષણ કર્યું અને દર્શાવ્યું કે PAAD ધરાવતા દર્દીઓમાં જોખમ સ્કોર (p < 0.001) અને ઉંમર (p = 0.045) સ્વતંત્ર પૂર્વસૂચન પરિબળો હતા (આકૃતિ 5A-B). ROC વળાંક દર્શાવે છે કે PAAD ધરાવતા દર્દીઓના 1-, 2-, અને 3-વર્ષના અસ્તિત્વની આગાહી કરવામાં જોખમ સ્કોર અન્ય ક્લિનિકલ લાક્ષણિકતાઓ કરતાં શ્રેષ્ઠ હતો (આકૃતિ 5C-E).
પ્રોગ્નોસ્ટિક રિસ્ક મોડેલ્સની ક્લિનિકલ લાક્ષણિકતાઓ. હિસ્ટોગ્રામ (A) TCGA-PAAD કોહોર્ટમાં દર્દીઓની ઉંમર, (C) ગાંઠનો તબક્કો, (D) ગાંઠનો ગ્રેડ, જોખમનો સ્કોર અને લિંગ દર્શાવે છે. **p < 0.01
પૂર્વસૂચક જોખમ મોડેલોનું સ્વતંત્ર આગાહી વિશ્લેષણ. (AB) યુનિવેરિયેટ (A) અને મલ્ટિવેરિયેટ (B) રીગ્રેશન પૂર્વસૂચક જોખમ મોડેલો અને ક્લિનિકલ લાક્ષણિકતાઓનું વિશ્લેષણ. (CE) પૂર્વસૂચક જોખમ મોડેલો અને ક્લિનિકલ લાક્ષણિકતાઓ માટે 1-, 2-, અને 3-વર્ષનો ROC
તેથી, અમે સમય અને જોખમ સ્કોર વચ્ચેના સંબંધની તપાસ કરી. અમને જાણવા મળ્યું કે PAAD દર્દીઓમાં જોખમ સ્કોર CD8+ T કોષો અને NK કોષો (આકૃતિ 6A) સાથે વિપરીત રીતે સંકળાયેલો હતો, જે ઉચ્ચ-જોખમ જૂથમાં દબાયેલા રોગપ્રતિકારક કાર્યને દર્શાવે છે. અમે ઉચ્ચ- અને ઓછા-જોખમ જૂથો વચ્ચે રોગપ્રતિકારક કોષોના ઘૂસણખોરીમાં તફાવતનું પણ મૂલ્યાંકન કર્યું અને સમાન પરિણામો મળ્યા (આકૃતિ 7). ઉચ્ચ-જોખમ જૂથમાં CD8+ T કોષો અને NK કોષોનું ઘૂસણખોરી ઓછું હતું. તાજેતરના વર્ષોમાં, ઘન ગાંઠોની સારવારમાં રોગપ્રતિકારક ચેકપોઇન્ટ અવરોધકો (ICIs) નો વ્યાપકપણે ઉપયોગ કરવામાં આવ્યો છે. જો કે, સ્વાદુપિંડના કેન્સરમાં ICIs નો ઉપયોગ ભાગ્યે જ સફળ રહ્યો છે. તેથી, અમે ઉચ્ચ- અને ઓછા-જોખમ જૂથોમાં રોગપ્રતિકારક ચેકપોઇન્ટ જનીનોની અભિવ્યક્તિનું મૂલ્યાંકન કર્યું. અમને જાણવા મળ્યું કે CTLA-4 અને CD161 (KLRB1) ઓછા-જોખમ જૂથ (આકૃતિ 6B-G) માં વધુ પડતા વ્યક્ત થયા હતા, જે દર્શાવે છે કે ઓછા-જોખમ જૂથના PAAD દર્દીઓ ICI પ્રત્યે સંવેદનશીલ હોઈ શકે છે.
પ્રોગ્નોસ્ટિક રિસ્ક મોડેલ અને રોગપ્રતિકારક કોષ ઘૂસણખોરીનું સહસંબંધ વિશ્લેષણ. (A) પ્રોગ્નોસ્ટિક રિસ્ક મોડેલ અને રોગપ્રતિકારક કોષ ઘૂસણખોરી વચ્ચેનો સહસંબંધ. (BG) ઉચ્ચ અને નીચા જોખમ જૂથોમાં જનીન અભિવ્યક્તિ સૂચવે છે. (HK) ઉચ્ચ અને નીચા જોખમ જૂથોમાં ચોક્કસ કેન્સર વિરોધી દવાઓ માટે IC50 મૂલ્યો. *p < 0.05, **p < 0.01, ns = નોંધપાત્ર નથી
અમે TCGA-PAAD સમૂહમાં જોખમ સ્કોર્સ અને સામાન્ય કીમોથેરાપી એજન્ટો વચ્ચેના જોડાણનું વધુ મૂલ્યાંકન કર્યું. અમે સ્વાદુપિંડના કેન્સરમાં સામાન્ય રીતે ઉપયોગમાં લેવાતી કેન્સર વિરોધી દવાઓ શોધી અને ઉચ્ચ અને ઓછા જોખમવાળા જૂથો વચ્ચેના તેમના IC50 મૂલ્યોમાં તફાવતોનું વિશ્લેષણ કર્યું. પરિણામો દર્શાવે છે કે ઉચ્ચ-જોખમ જૂથમાં AZD.2281 (olaparib) નું IC50 મૂલ્ય વધુ હતું, જે દર્શાવે છે કે ઉચ્ચ-જોખમ જૂથમાં PAAD દર્દીઓ AZD.2281 સારવાર માટે પ્રતિરોધક હોઈ શકે છે (આકૃતિ 6H). વધુમાં, ઉચ્ચ-જોખમ જૂથમાં પેક્લિટેક્સેલ, સોરાફેનિબ અને એર્લોટિનિબના IC50 મૂલ્યો ઓછા હતા (આકૃતિ 6I-K). અમે ઉચ્ચ-જોખમ જૂથમાં ઉચ્ચ IC50 મૂલ્યો ધરાવતી 34 કેન્સર વિરોધી દવાઓ અને ઉચ્ચ-જોખમ જૂથમાં ઓછા IC50 મૂલ્યો ધરાવતી 34 કેન્સર વિરોધી દવાઓ ઓળખી કાઢી (કોષ્ટક 2).
એ વાતને નકારી શકાય નહીં કે lncRNAs, mRNAs અને miRNAs વ્યાપકપણે અસ્તિત્વ ધરાવે છે અને કેન્સરના વિકાસમાં મહત્વપૂર્ણ ભૂમિકા ભજવે છે. ઘણા પ્રકારના કેન્સરમાં એકંદર અસ્તિત્વની આગાહી કરવામાં mRNA અથવા miRNA ની મહત્વપૂર્ણ ભૂમિકાને સમર્થન આપતા પુષ્કળ પુરાવા છે. નિઃશંકપણે, ઘણા પ્રોગ્નોસ્ટિક જોખમ મોડેલો પણ lncRNAs પર આધારિત છે. ઉદાહરણ તરીકે, લુઓ એટ અલ. અભ્યાસોએ દર્શાવ્યું છે કે LINC01094 PC પ્રસાર અને મેટાસ્ટેસિસમાં મુખ્ય ભૂમિકા ભજવે છે, અને LINC01094 ની ઉચ્ચ અભિવ્યક્તિ સ્વાદુપિંડના કેન્સરના દર્દીઓના નબળા અસ્તિત્વનો સંકેત આપે છે [16]. લિન એટ અલ દ્વારા રજૂ કરાયેલ અભ્યાસ. અભ્યાસોએ દર્શાવ્યું છે કે lncRNA FLVCR1-AS1 નું ડાઉનરેગ્યુલેશન સ્વાદુપિંડના કેન્સરના દર્દીઓમાં નબળા પૂર્વસૂચન સાથે સંકળાયેલું છે [17]. જો કે, કેન્સરના દર્દીઓના એકંદર અસ્તિત્વની આગાહી કરવાના સંદર્ભમાં રોગપ્રતિકારક શક્તિ સંબંધિત lncRNAs ની ચર્ચા પ્રમાણમાં ઓછી થાય છે. તાજેતરમાં, કેન્સરના દર્દીઓના અસ્તિત્વની આગાહી કરવા અને ત્યાંથી સારવાર પદ્ધતિઓને સમાયોજિત કરવા માટે પ્રોગ્નોસ્ટિક જોખમ મોડેલો બનાવવા પર મોટા પ્રમાણમાં કાર્ય કેન્દ્રિત કરવામાં આવ્યું છે [18, 19, 20]. કેન્સરની શરૂઆત, પ્રગતિ અને કીમોથેરાપી જેવી સારવારના પ્રતિભાવમાં રોગપ્રતિકારક ઘૂસણખોરોની મહત્વપૂર્ણ ભૂમિકાની માન્યતા વધી રહી છે. અસંખ્ય અભ્યાસોએ પુષ્ટિ આપી છે કે સાયટોટોક્સિક કીમોથેરાપી [21, 22, 23] ના પ્રતિભાવમાં ગાંઠ-ઘૂસણખોરી રોગપ્રતિકારક કોષો મહત્વપૂર્ણ ભૂમિકા ભજવે છે. ગાંઠના દર્દીઓના અસ્તિત્વમાં ટ્યુમર રોગપ્રતિકારક સૂક્ષ્મ પર્યાવરણ એક મહત્વપૂર્ણ પરિબળ છે [24, 25]. ઇમ્યુનોથેરાપી, ખાસ કરીને ICI ઉપચાર, ઘન ગાંઠોની સારવારમાં વ્યાપકપણે ઉપયોગમાં લેવાય છે [26]. રોગપ્રતિકારક-સંબંધિત જનીનોનો ઉપયોગ પ્રોગ્નોસ્ટિક જોખમ મોડેલ બનાવવા માટે વ્યાપકપણે થાય છે. ઉદાહરણ તરીકે, સુ એટ અલ. રોગપ્રતિકારક-સંબંધિત પ્રોગ્નોસ્ટિક જોખમ મોડેલ અંડાશયના કેન્સરના દર્દીઓના પૂર્વસૂચનની આગાહી કરવા માટે પ્રોટીન-કોડિંગ જનીનો પર આધારિત છે [27]. lncRNA જેવા નોન-કોડિંગ જનીનો પણ પ્રોગ્નોસ્ટિક જોખમ મોડેલ બનાવવા માટે યોગ્ય છે [28, 29, 30]. લુઓ એટ અલ એ ચાર રોગપ્રતિકારક-સંબંધિત lncRNA નું પરીક્ષણ કર્યું અને સર્વાઇકલ કેન્સરના જોખમ માટે એક આગાહી મોડેલ બનાવ્યું [31]. ખાન એટ અલ. કુલ 32 વિભેદક રીતે વ્યક્ત કરાયેલ ટ્રાન્સક્રિપ્ટ્સ ઓળખવામાં આવી હતી, અને તેના આધારે, 5 નોંધપાત્ર ટ્રાન્સક્રિપ્ટ્સ સાથેનું એક આગાહી મોડેલ સ્થાપિત કરવામાં આવ્યું હતું, જે કિડની ટ્રાન્સપ્લાન્ટેશન પછી બાયોપ્સી-સાબિત તીવ્ર અસ્વીકારની આગાહી કરવા માટે ખૂબ ભલામણ કરાયેલ સાધન તરીકે પ્રસ્તાવિત કરવામાં આવ્યું હતું [32].
આમાંના મોટાભાગના મોડેલો જનીન અભિવ્યક્તિ સ્તરો પર આધારિત છે, કાં તો પ્રોટીન-કોડિંગ જનીનો અથવા નોન-કોડિંગ જનીનો. જો કે, એક જ જનીન વિવિધ જીનોમ, ડેટા ફોર્મેટ અને વિવિધ દર્દીઓમાં વિવિધ અભિવ્યક્તિ મૂલ્યો ધરાવી શકે છે, જે આગાહી મોડેલોમાં અસ્થિર અંદાજ તરફ દોરી જાય છે. આ અભ્યાસમાં, અમે ચોક્કસ અભિવ્યક્તિ મૂલ્યોથી સ્વતંત્ર, બે જોડી lncRNA સાથે એક વાજબી મોડેલ બનાવ્યું.
આ અભ્યાસમાં, અમે રોગપ્રતિકારક શક્તિ સંબંધિત જનીનો સાથે સહસંબંધ વિશ્લેષણ દ્વારા પ્રથમ વખત irlncRNA ઓળખી કાઢ્યું. અમે વિભેદક રીતે વ્યક્ત કરાયેલ lncRNA સાથે હાઇબ્રિડાઇઝેશન દ્વારા 223 DEirlncRNA ની તપાસ કરી. બીજું, અમે પ્રકાશિત DEirlncRNA જોડી પદ્ધતિ [31] ના આધારે 0-અથવા-1 મેટ્રિક્સ બનાવ્યું. ત્યારબાદ અમે પ્રોગ્નોસ્ટિક DEirlncRNA જોડીઓ ઓળખવા અને આગાહીયુક્ત જોખમ મોડેલ બનાવવા માટે યુનિવેરિયેટ અને લાસો રીગ્રેશન વિશ્લેષણ કર્યું. અમે PAAD ધરાવતા દર્દીઓમાં જોખમ સ્કોર્સ અને ક્લિનિકલ લાક્ષણિકતાઓ વચ્ચેના જોડાણનું વધુ વિશ્લેષણ કર્યું. અમને જાણવા મળ્યું કે PAAD દર્દીઓમાં સ્વતંત્ર પ્રોગ્નોસ્ટિક પરિબળ તરીકે, અમારું પ્રોગ્નોસ્ટિક જોખમ મોડેલ ઉચ્ચ-ગ્રેડ દર્દીઓને નીચા-ગ્રેડ દર્દીઓથી અને ઉચ્ચ-ગ્રેડ દર્દીઓને નીચા-ગ્રેડ દર્દીઓથી અસરકારક રીતે અલગ કરી શકે છે. વધુમાં, પ્રોગ્નોસ્ટિક જોખમ મોડેલના ROC વળાંકના AUC મૂલ્યો 1-વર્ષની આગાહી માટે 0.905, 2-વર્ષની આગાહી માટે 0.942 અને 3-વર્ષની આગાહી માટે 0.966 હતા.
સંશોધકોએ અહેવાલ આપ્યો છે કે ઉચ્ચ CD8+ T કોષો ઘૂસણખોરી ધરાવતા દર્દીઓ ICI સારવાર પ્રત્યે વધુ સંવેદનશીલ હતા [33]. ગાંઠ રોગપ્રતિકારક સૂક્ષ્મ પર્યાવરણમાં સાયટોટોક્સિક કોષો, CD56 NK કોષો, NK કોષો અને CD8+ T કોષોની સામગ્રીમાં વધારો ગાંઠ દમનકારી અસર માટેનું એક કારણ હોઈ શકે છે [34]. અગાઉના અભ્યાસો દર્શાવે છે કે ગાંઠ-ઘૂસણખોરી કરનાર CD4(+) T અને CD8(+) T નું ઉચ્ચ સ્તર લાંબા સમય સુધી અસ્તિત્વ સાથે નોંધપાત્ર રીતે સંકળાયેલું હતું [35]. નબળી CD8 T કોષો ઘૂસણખોરી, ઓછી નિયોએન્ટિજેન લોડ અને ખૂબ જ રોગપ્રતિકારક શક્તિ ધરાવતા ગાંઠ સૂક્ષ્મ પર્યાવરણ ICI ઉપચાર માટે પ્રતિભાવના અભાવ તરફ દોરી જાય છે [36]. અમને જાણવા મળ્યું કે જોખમ સ્કોર CD8+ T કોષો અને NK કોષો સાથે નકારાત્મક રીતે સંકળાયેલો હતો, જે દર્શાવે છે કે ઉચ્ચ જોખમ સ્કોર ધરાવતા દર્દીઓ ICI સારવાર માટે યોગ્ય ન હોઈ શકે અને તેમનું પૂર્વસૂચન ખરાબ હોઈ શકે.
CD161 એ કુદરતી કિલર (NK) કોષોનું માર્કર છે. CD8+CD161+ CAR-ટ્રાન્સડ્યુસ્ડ T કોષો HER2+ સ્વાદુપિંડના ડક્ટલ એડેનોકાર્સિનોમા ઝેનોગ્રાફ્ટ મોડેલોમાં વિવો એન્ટિટ્યુમર અસરકારકતામાં વધારો કરે છે [37]. રોગપ્રતિકારક ચેકપોઇન્ટ ઇન્હિબિટર્સ સાયટોટોક્સિક T લિમ્ફોસાઇટ સંકળાયેલ પ્રોટીન 4 (CTLA-4) અને પ્રોગ્રામ્ડ સેલ ડેથ પ્રોટીન 1 (PD-1)/પ્રોગ્રામ્ડ સેલ ડેથ લિગાન્ડ 1 (PD-L1) માર્ગોને લક્ષ્ય બનાવે છે અને ઘણા ક્ષેત્રોમાં મોટી સંભાવના ધરાવે છે. ઉચ્ચ-જોખમ જૂથોમાં CTLA-4 અને CD161 (KLRB1) ની અભિવ્યક્તિ ઓછી છે, જે આગળ સૂચવે છે કે ઉચ્ચ-જોખમ સ્કોર ધરાવતા દર્દીઓ ICI સારવાર માટે પાત્ર ન પણ હોય. [38]
ઉચ્ચ જોખમ ધરાવતા દર્દીઓ માટે યોગ્ય સારવાર વિકલ્પો શોધવા માટે, અમે વિવિધ કેન્સર વિરોધી દવાઓનું વિશ્લેષણ કર્યું અને જાણવા મળ્યું કે PAAD ધરાવતા દર્દીઓમાં વ્યાપકપણે ઉપયોગમાં લેવાતા પેક્લિટેક્સેલ, સોરાફેનિબ અને એર્લોટિનિબ, PAAD ધરાવતા દર્દીઓ માટે યોગ્ય હોઈ શકે છે. [33]. ઝાંગ એટ અલને જાણવા મળ્યું કે કોઈપણ DNA નુકસાન પ્રતિભાવ (DDR) માર્ગમાં પરિવર્તન પ્રોસ્ટેટ કેન્સરના દર્દીઓમાં ખરાબ પૂર્વસૂચન તરફ દોરી શકે છે [39]. સ્વાદુપિંડનું કેન્સર ઓલાપેરિબ ચાલુ (POLO) ટ્રાયલમાં દર્શાવવામાં આવ્યું છે કે સ્વાદુપિંડના ડક્ટલ એડેનોકાર્સિનોમા અને જર્મલાઇન BRCA1/2 પરિવર્તન ધરાવતા દર્દીઓમાં પ્રથમ-લાઇન પ્લેટિનમ-આધારિત કીમોથેરાપી પછી પ્લેસબોની તુલનામાં ઓલાપેરિબ સાથે જાળવણી સારવાર લાંબા સમય સુધી પ્રગતિ-મુક્ત અસ્તિત્વ ધરાવે છે [40]. આ નોંધપાત્ર આશાવાદ પ્રદાન કરે છે કે દર્દીઓના આ પેટાજૂથમાં સારવારના પરિણામોમાં નોંધપાત્ર સુધારો થશે. આ અભ્યાસમાં, ઉચ્ચ જોખમ ધરાવતા જૂથમાં AZD.2281 (olaparib) નું IC50 મૂલ્ય વધારે હતું, જે દર્શાવે છે કે ઉચ્ચ જોખમ ધરાવતા જૂથમાં PAAD દર્દીઓ AZD.2281 સાથે સારવાર માટે પ્રતિરોધક હોઈ શકે છે.
આ અભ્યાસમાં આગાહી મોડેલો સારા આગાહી પરિણામો આપે છે, પરંતુ તે વિશ્લેષણાત્મક આગાહીઓ પર આધારિત છે. ક્લિનિકલ ડેટા સાથે આ પરિણામોની પુષ્ટિ કેવી રીતે કરવી તે એક મહત્વપૂર્ણ પ્રશ્ન છે. એન્ડોસ્કોપિક ફાઇન સોય એસ્પિરેશન અલ્ટ્રાસોનોગ્રાફી (EUS-FNA) 85% ની સંવેદનશીલતા અને 98% ની વિશિષ્ટતા સાથે ઘન અને એક્સ્ટ્રાપેનક્રિએટિક સ્વાદુપિંડના જખમનું નિદાન કરવા માટે એક અનિવાર્ય પદ્ધતિ બની ગઈ છે [41]. EUS ફાઇન-સોય બાયોપ્સી (EUS-FNB) સોયનો આગમન મુખ્યત્વે FNA પરના કથિત ફાયદાઓ પર આધારિત છે, જેમ કે ઉચ્ચ નિદાન ચોકસાઈ, હિસ્ટોલોજીકલ માળખું સાચવતા નમૂનાઓ મેળવવા અને આમ ચોક્કસ નિદાન માટે મહત્વપૂર્ણ રોગપ્રતિકારક પેશીઓ ઉત્પન્ન કરવા. ખાસ સ્ટેનિંગ [42]. સાહિત્યની વ્યવસ્થિત સમીક્ષાએ પુષ્ટિ આપી છે કે FNB સોય (ખાસ કરીને 22G) સ્વાદુપિંડના માસમાંથી પેશીઓ કાપવામાં સૌથી વધુ કાર્યક્ષમતા દર્શાવે છે [43]. ક્લિનિકલી, ફક્ત થોડી સંખ્યામાં દર્દીઓ રેડિકલ સર્જરી માટે લાયક છે, અને મોટાભાગના દર્દીઓમાં પ્રારંભિક નિદાન સમયે નિષ્ક્રિય ગાંઠો હોય છે. ક્લિનિકલ પ્રેક્ટિસમાં, દર્દીઓનો એક નાનો ભાગ જ રેડિકલ સર્જરી માટે યોગ્ય હોય છે કારણ કે મોટાભાગના દર્દીઓમાં પ્રારંભિક નિદાન સમયે નિષ્ક્રિય ગાંઠો હોય છે. EUS-FNB અને અન્ય પદ્ધતિઓ દ્વારા પેથોલોજીકલ પુષ્ટિ પછી, સામાન્ય રીતે કીમોથેરાપી જેવી પ્રમાણિત બિન-સર્જિકલ સારવાર પસંદ કરવામાં આવે છે. અમારો અનુગામી સંશોધન કાર્યક્રમ સર્જિકલ અને બિન-સર્જિકલ જૂથોમાં આ અભ્યાસના પૂર્વસૂચક મોડેલનું પરીક્ષણ કરવાનો છે.
એકંદરે, અમારા અભ્યાસે જોડીવાળા irlncRNA પર આધારિત એક નવું પૂર્વસૂચન જોખમ મોડેલ સ્થાપિત કર્યું, જેણે સ્વાદુપિંડના કેન્સરવાળા દર્દીઓમાં આશાસ્પદ પૂર્વસૂચન મૂલ્ય દર્શાવ્યું. અમારું પૂર્વસૂચન જોખમ મોડેલ PAAD ધરાવતા દર્દીઓને અલગ પાડવામાં મદદ કરી શકે છે જે તબીબી સારવાર માટે યોગ્ય છે.
વર્તમાન અભ્યાસમાં વપરાયેલ અને વિશ્લેષણ કરાયેલ ડેટાસેટ્સ સંબંધિત લેખક પાસેથી વાજબી વિનંતી પર ઉપલબ્ધ છે.
સુઇ વેન, ગોંગ એક્સ, ઝુઆંગ વાય. COVID-19 રોગચાળા દરમિયાન નકારાત્મક લાગણીઓના ભાવનાત્મક નિયમનમાં સ્વ-અસરકારકતાની મધ્યસ્થી ભૂમિકા: એક ક્રોસ-સેક્શનલ અભ્યાસ. ઇન્ટ જે મેન્ટ હેલ્થ નર્સ [જર્નલ લેખ]. 2021 06/01/2021;30(3):759–71.
સુઇ વેન, ગોંગ એક્સ, કિયાઓ એક્સ, ઝાંગ એલ, ચેંગ જે, ડોંગ જે, વગેરે. સઘન સંભાળ એકમોમાં વૈકલ્પિક નિર્ણય લેવા અંગે પરિવારના સભ્યોના મંતવ્યો: એક વ્યવસ્થિત સમીક્ષા. INT J NURS STUD [મેગેઝિન લેખ; સમીક્ષા]. 2023 01/01/2023; 137:104391.
વિન્સેન્ટ એ, હર્મન જે, શુલિચ આર, હ્રુબન આરએચ, ગોગિન્સ એમ. સ્વાદુપિંડનું કેન્સર. લેન્સેટ. [જર્નલ લેખ; સંશોધન સપોર્ટ, એનઆઈએચ, બાહ્ય; સંશોધન સપોર્ટ, યુએસ બહારની સરકાર; સમીક્ષા]. 2011 08/13/2011;378(9791):607–20.
ઇલિક એમ, ઇલિક આઇ. સ્વાદુપિંડના કેન્સરનું રોગશાસ્ત્ર. વર્લ્ડ જર્નલ ઓફ ગેસ્ટ્રોએન્ટેરોલોજી. [જર્નલ લેખ, સમીક્ષા]. 2016 11/28/2016;22(44):9694–705.
લિયુ એક્સ, ચેન બી, ચેન જે, સન એસ. સ્વાદુપિંડના કેન્સરવાળા દર્દીઓમાં એકંદર અસ્તિત્વની આગાહી કરવા માટે એક નવો tp53-સંબંધિત નોમોગ્રામ. BMC કેન્સર [જર્નલ લેખ]. 2021 31-03-2021;21(1):335.
ઝિયાન એક્સ, ઝુ એક્સ, ચેન વાય, હુઆંગ બી, ઝિયાંગ ડબલ્યુ. કીમોથેરાપી મેળવતા કોલોરેક્ટલ કેન્સરના દર્દીઓમાં કેન્સર-સંબંધિત થાક પર સોલ્યુશન-કેન્દ્રિત ઉપચારની અસર: એક રેન્ડમાઇઝ્ડ કંટ્રોલ ટ્રાયલ. કેન્સર નર્સ. [જર્નલ લેખ; રેન્ડમાઇઝ્ડ કંટ્રોલ ટ્રાયલ; આ અભ્યાસ યુનાઇટેડ સ્ટેટ્સની બહારની સરકાર દ્વારા સમર્થિત છે]. 2022 05/01/2022;45(3):E663–73.
ઝાંગ ચેંગ, ઝેંગ વેન, લુ વાય, શાન એલ, ઝુ ડોંગ, પાન વાય, વગેરે. પોસ્ટઓપરેટિવ કાર્સિનોએમ્બ્રીયોનિક એન્ટિજેન (CEA) સ્તર સામાન્ય પ્રીઓપરેટિવ CEA સ્તર ધરાવતા દર્દીઓમાં કોલોરેક્ટલ કેન્સર રિસેક્શન પછી પરિણામની આગાહી કરે છે. સેન્ટર ફોર ટ્રાન્સલેશનલ કેન્સર રિસર્ચ. [જર્નલ લેખ]. 2020 01.01.2020;9(1):111–8.
હોંગ વેન, લિયાંગ લી, ગુ યુ, ક્વિ ઝી, ક્વિ હુઆ, યાંગ એક્સ, વગેરે. રોગપ્રતિકારક શક્તિ સંબંધિત lncRNAs નવીન હસ્તાક્ષરો ઉત્પન્ન કરે છે અને માનવ હિપેટોસેલ્યુલર કાર્સિનોમાના રોગપ્રતિકારક લેન્ડસ્કેપની આગાહી કરે છે. મોલ થેર ન્યુક્લીક એસિડ્સ [જર્નલ લેખ]. 2020 2020-12-04;22:937 – 47.
ટોફી આરજે, ઝુ વાય., શુલિચ આરડી સ્વાદુપિંડના કેન્સર માટે ઇમ્યુનોથેરાપી: અવરોધો અને સફળતાઓ. એન ગેસ્ટ્રોઇન્ટેસ્ટાઇનલ સર્જન [જર્નલ લેખ; સમીક્ષા]. 2018 07/01/2018;2(4):274–81.
હલ આર, એમબીટા ઝેડ, ડલામિની ઝેડ. લોંગ નોન-કોડિંગ આરએનએ (એલએનસીઆરએનએ), વાયરલ ટ્યુમર જીનોમિક્સ અને એબરન્ટ સ્પ્લિસિંગ ઇવેન્ટ્સ: થેરાપ્યુટિક ઇમ્પ્લિકેશન્સ. એએમ જે કેન્સર આરઇએસ [જર્નલ લેખ; સમીક્ષા]. 2021 01/20/2021;11(3):866–83.
વાંગ જે, ચેન પી, ઝાંગ વાય, ડીંગ જે, યાંગ વાય, લી એચ. 11-એન્ડોમેટ્રાયલ કેન્સર પૂર્વસૂચન સાથે સંકળાયેલ lncRNA સહીઓની ઓળખ. વિજ્ઞાનની સિદ્ધિઓ [મેગેઝિન લેખ]. 2021 2021-01-01;104(1):311977089.
જિયાંગ એસ, રેન એચ, લિયુ એસ, લુ ઝેડ, ઝુ એ, કિન એસ, વગેરે. પેપિલરી સેલ રેનલ સેલ કાર્સિનોમામાં આરએનએ-બંધનકર્તા પ્રોટીન પ્રોગ્નોસ્ટિક જનીનો અને ડ્રગ ઉમેદવારોનું વ્યાપક વિશ્લેષણ. પ્રિજેન. [જર્નલ લેખ]. 2021 01/20/2021; 12:627508.
લી એક્સ, ચેન જે, યુ ક્યૂ, હુઆંગ એક્સ, લિયુ ઝેડ, વાંગ એક્સ, વગેરે. ઓટોફેજી-સંબંધિત લાંબા નોન-કોડિંગ આરએનએની લાક્ષણિકતાઓ સ્તન કેન્સરના પૂર્વસૂચનની આગાહી કરે છે. પ્રિજેન. [જર્નલ લેખ]. 2021 01/20/2021; 12:569318.
ઝોઉ એમ, ઝાંગ ઝેડ, ઝાઓ એક્સ, બાઓ એસ, ચેંગ એલ, સન જે. રોગપ્રતિકારક શક્તિ સંબંધિત છ lncRNA સિગ્નેચર ગ્લિઓબ્લાસ્ટોમા મલ્ટિફોર્મમાં પૂર્વસૂચન સુધારે છે. MOL ન્યુરોબાયોલોજી. [જર્નલ લેખ]. 2018 01.05.2018;55(5):3684–97.
વુ બી, વાંગ ક્યૂ, ફેઈ જે, બાઓ વાય, વાંગ એક્સ, સોંગ ઝેડ, વગેરે. એક નવલકથા ટ્રાઇ-એલએનસીઆરએનએ સિગ્નેચર સ્વાદુપિંડના કેન્સરવાળા દર્દીઓના અસ્તિત્વની આગાહી કરે છે. ઓન્કોલના પ્રતિનિધિઓ. [જર્નલ લેખ]. 2018 12/01/2018;40(6):3427–37.
લુઓ સી, લિન કે, હુ સી, ઝુ એક્સ, ઝુ જે, ઝુ ઝેડ. LINC01094 સ્પોન્જ્ડ miR-577 દ્વારા LIN28B અભિવ્યક્તિ અને PI3K/AKT માર્ગને નિયંત્રિત કરીને સ્વાદુપિંડના કેન્સરની પ્રગતિને પ્રોત્સાહન આપે છે. મોલ થેરાપ્યુટિક્સ - ન્યુક્લીક એસિડ્સ. 2021;26:523–35.
લિન જે, ઝાઈ એક્સ, ઝોઉ એસ, ઝુ ઝેડ, ઝાંગ જે, જિયાંગ એલ, વગેરે. lncRNA FLVCR1-AS1 અને KLF10 વચ્ચેનો સકારાત્મક પ્રતિસાદ PTEN/AKT માર્ગ દ્વારા સ્વાદુપિંડના કેન્સરની પ્રગતિને અટકાવી શકે છે. J EXP ક્લિન કેન્સર રિઝ. 2021;40(1).
ઝોઉ એક્સ, લિયુ એક્સ, ઝેંગ એક્સ, વુ ડી, લિયુ એલ. હિપેટોસેલ્યુલર કાર્સિનોમામાં એકંદર અસ્તિત્વની આગાહી કરતા તેર જનીનોની ઓળખ. બાયોસી રેપ [જર્નલ લેખ]. 2021 04/09/2021.
પોસ્ટ સમય: સપ્ટેમ્બર-૨૨-૨૦૨૩